基于大数据的智能辅助驾驶道路适用度评估.pdf

智能技术/IntelligentTechnology16-AutoelectricpartsNo.09,2023基于大数据的智能辅助驾驶道路适用度评估谢燕芳，张亮，程登，郑陈亮，卓丽（上汽通用五菱汽车股份有限公司，广西新能源汽车实验室，广西汽车新四化重点实验室，广西柳州5450 0 7)【摘要】随着汽车市场朝网联化发展，主机厂可通过网联终端采集到智能辅助驾驶的行车数据，主机厂通过车联网大数据离线计算了解用户使用智能辅助驾驶功能的情况，分析智能辅助驾驶在各类路况中的适用性。汽车主机厂在研发阶段做了各路况的实车测试，但未有一套基于用户实际使用情况的评估方法。为了了解智能辅助驾驶功能在各类路况中的适用度，需要一套基于用户智能辅助驾驶数据的评估方法。本文基于车联网采集的智能辅助驾驶功能的数据，使用机器学习的方法对汽车智能辅助驾驶的道路适用度进行评估。【关键词】智能辅助行车；道路适用度；评估算法；路向聚类；数据网格化中图分类号：U463.6Road Suitability Evaluation of Intelligent Assistant Driving Based on Machine LearningXIE Yanfang,ZHANG Liang,CHENG Deng,ZHENG Chenliang,ZHUO Li(SAIC GM Wuling Automobile Co.,Ltd.,Guangxi Laboratory of New Energy Automobile,Guangxi Key Laboratory of Automobile Four New Features,Liuzhou 545007,China)【A b s t r a c t】W it h t h e d e v e lo p m e n t o f t h e a u t o m o b ile m a r k e t t o w a r d s n e t w o r k in g,t h e O EM s c a n c o lle c t t h edriving data of intelligent auxiliary driving through the networking terminals.The OEMs can understand the users useof intelligent auxiliary driving functions through the offline calculation of the big data of the Internet of Vehicles,and analyze the applicability of intelligent auxiliary driving in various road conditions.In the R&D stage,theautomobile OEMs have conducted real vehicle tests on various road conditions,but there is no evaluation methodbased on the actual use of users.In order to understand the applicability of intelligent driving assistance in variousroad conditions,an evaluation method based on users intelligent driving assistance data is required.Based on thedata of intelligent assistant driving function collected by the Internet of Vehicles,this paper uses the method ofmachine learning to evaluate the road suitability of intelligent assistant driving.Key words intelligent assisted driving;road suitability;evaluation algorithm;path clustering;data grid1试验和分析作者简介谢燕芳（19 8 6 一），女，工程师，硕士，研究方向为汽车大数据应用。智能辅助驾驶是现今智能驾驶在车端应用的重要功能之一，车道保持辅助系统通过借助摄像头识别车辆行驶道路的标志线，当系统识别到车辆可能偏离车道时可提醒驾驶员或介人转向系统及时调整行车路线。车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。车联网有效地把汽车连接起来组成网络。汽车和汽车组成网，车网与互联网相连，三者基于统一的协议，实现人、车、路、云之间的数据互通，并最终实现智能交通、智能汽车、智能驾驶等功能。通过车载终端可采集智能辅助驾驶功能车辆数据以及CPS的定位信息，通过云采集、云计算、AI等技术可以将用户使用智能辅助驾驶功能深度挖掘出来，用于主机厂的产品优化和改进，更好地为用户提供服务。收稿日期：2 0 2 3-0 2-0 6文献标志码：A文章编号：10 0 3-8 6 39（2 0 2 3)0 9-0 0 16-0 3包含6 0 7 0 6 个行驶轨迹，见表1。1.2数据预处理为了预测结果更精确，需要控制数据质量，因而本文对收集的数据进行了预处理，主要是对原始数据字段中的一些异常值、空值和跳变数据进行处理，见表2。1.1试验数据首先按照智能辅助驾驶行驶片段算法计算出智能辅助开始的时间，提取智能辅助驾驶109.575开启点经纬度和109.57结束点经纬度109.565(图1)，另外计109.56开启点经纬度算智能辅助驾驶109.555每个片段的行驶109.55,24.3924.424.4124.4224.4324.44里程。图1智能辅助驾驶开启点经纬度和本文选择某结束点经纬度市2 0 2 1年9 月1日至2 0 2 2 年4月30 日约10 0 0 辆具有智能辅助驾驶的轨迹数据，结束点经纬度里程17IntelligentTechnology/智能技术汽车电器2 0 2 3年第9 期表1智能辅助驾驶的轨迹数据样例数据车号开启点纬度开启点经度结束点纬度结束点经度里程/km124.362707224.364183324.363506424.33443524.332802624.328388724.26274824.2945379124.2957971024.29791表2 数据预处理样例数据开启点开启点结束点结束点里程 数据车号纬度124.362707224.364183324.363506424.33443109.37285524.332802109.3728994.331308624.328388109.372375724.26274109.3329824.263765109.33406824.2945379124.2957971024.29791109.33800524.2984281）去除“脏”数据，剔除智能辅助开启经纬度和智能辅助关闭经纬度超出数据范围的数据，其中经度范围为0，18 0 ，纬度范围为0，9 0 ，并对其余的数据按照给定的范围进行数据筛选。2）对智能辅助行驶里程为0 km的数据进行处理，行驶里程为0 意味着智能辅助驾驶为0，无法评估智能辅助驾驶功能的道路适用度。2特征与建模2.1数据网格化2 由于某市面积较大，分布在郊区的开启和结束点数据较少，所以本文主要选取某市市区内的开启和结束点数据进行实验分析。在开启和结束点数据空间中划分10 0 0 mx1000m大小的网格单元，约得到150 0 个网格单元（图2），其中包含估计的点约7 0 0 个。2.2路向归一化由于智能辅助驾驶相对不同路向评估道路适用度不同，故需要将行驶的路向3计算出来，表3为路向归一化示例数据。路向计算方法如下。1）智能辅助驾驶纬度差值=智能辅助关闭纬度-智能辅助开启纬度110.1110109.9109.8109.4064224.364859109.4046124.363728199.388324.342278109.3728524.33311109.3728994.331308109.37237524.328388109.3329824.263765109.3380224.295038109.3380224.296047109.33800524.298428经度纬度109.4064224.364859109.4046124.363728199.388324.342278109.37285624.33311109.37287109.372924.328388109.372375109.3380224.295038109.3380224.296047网格109.40660.3109.38881.8109.3728563.2109.372870.2109.37290.2109.37237500.2109.33406109.33801109.33802109.33801经度/km预处理109.40660.3109.38881.83.20.20.200.2109.338010.1109.338020.1109.338010.1109.7109.6109.5109.4109.3109.2109.152424.124.224.324.424.524.624.724.824.9图2数据网格化示例表3路向归一化示例数据0.1开启点开启点结束点结束点里程归一化车号纬度0.10.1YYNYNNYYNY经度124.362707109.4064224.364859224.364183109.4046124.363728424.33443109.37285724.26274109.3329824.263765824.294537109.3380224.2950389124.295797109.3380224.2960471024.29791109.33800524.2984282）智能辅助驾驶经度差值=智能辅助关闭经度-智能辅助开启经度3）路向归一化矢量x方向=（1/(1+（智能辅助驾驶经度差值/智能辅助驾驶纬度差值)0 5智能辅助驾驶纬度差值的正负值4）路向归一化矢量Y方向=1-路向归一化矢量x方向2 0 5智能辅助驾驶经度差值的正负值5）路向归一化矢量=（路向归一化矢量X方向，路向归一化矢量Y方向）2.3评估建模2.3.1评估特征值计算对网格归一化路向使用DBSCAN进行聚类，选取每个网格内归一化路向类别top2的数据，计算每个类别的智能辅助驾驶路段评分、开启点和结束点个数，图3为评估建模数据示意图，算法如下。每个类别评分=sum(每个类别开启点对应里程)-sum(每个类别结束点对应里程）每个类别起止点个数=sum（每个类别开启点对应里程)+sum(每个类别结束点对应里程）每个类别中心经纬度=每个类别经纬度使用Kmeans机器学习算法计算聚类中心点2.3.2评估特征值提取筛选网格起止点 10 0 的网格，对每个类别路段评分进行降序排列，表4为类别路段特征参数示例。纬度经度/km(0.99652,109.40660.30.083354)(-0.028767,109.38881.8-0.999586)(0.999885,24.33311109.372870.20.015165)109.334060.2(0.688396,0.725335)(0.999801,109.338010.1-0.019949)109.338020.1(0.999953,109.338010.10.009695)路向(1,0)智能技术/IntelligentTechnology18AutoelectricpartsNo.09,2023110.1110109.9109.8109.7109.6109.5109.4109.3109.2109.12424.1排名类别路段1类别12类别232.3.3评估路段地址解析使用每个类别路段中心经纬度，调用地图API接口计算每个类别的中心点路段，得出每个路段的智能辅助驾驶适用度评分。表5为类别路段地址信息示例。表5类别路段地址信息示例排名类别路段中心经纬度1类别1经度1、纬度1XX省XX市XX区XX路2类别2经度2、纬度2 XX省XX市XX区XX路33建模结果通过建模找出智能辅助驾驶公司在某市的好用路段，从结果看出，好用路段基本是在高架桥路段和路况较好的路段。通过实地验证发现，算法计算结果基本符合功能设计结果。(上接第15页）5自动驾驶线束的压接传统线束主要采取的压接方式为U型端子连接，传统的冷压接方式简便、成本低，大部分非关键部位使用的压接方式还是U型端子冷压接。由于U型端子是依靠大冲压力将铜丝压缩到一起，主要依靠铜丝之间的摩擦力来连接，压接后势必会存在一定的空洞，从而导致电压降增大，导电性能下降。然而在自动驾驶的高要求下，特别是使用的基本上是CAN通信，因此要求使用超声波焊接。超声波焊接原理是通过高频机械振动对线束物料工件进行焊接。在焊接过程中，超声波线束焊接机有3个方向同时收紧至超声波焊接端面，以2 0 kHz的频率在其表面进行循环往复地振动，同时对工件施加压力，使工件间形成一种牢固的结合，从而达到焊接的效果。对于采用超声波线束焊接，整个焊接过程可以被精确地控制，同时不会在金属表面产生多余的热量，焊接牢度强。由于超声波焊接是把铜丝完全焊接在一起，因此导电性能远优于U型端子的冷压接。超声波焊接以其优秀的焊接牢度和稳定的导电性能，必能胜任自动驾驶的需求。4新技术带来的收益和展望计算智能辅助通过汽车智能辅驾驶路段每个类别评分、起止点个数、中心经纬度24.224.324.424.5图3评估建模数据示意图表4类别路段特征参数示例路段分起止点个数中心经纬度662.8962438.9698路段助驾驶的道路适用度，得出智能辅助驾驶的好用路段（图4），用于用户驾驶过程中智能辅助驾驶功能推24.624.724.824.9经度1、纬度1经度2、纬度2路段评分662.8438.9路向荐，提高用户驾驶的图4智能辅助驾驶好用路段示例体验感，提升公司的产品价值和提升品牌好感度。通过汽车智能辅助驾驶的道路适用度，得出智能辅助驾驶的不好用路段，用于智能辅助驾驶研发的产品优化，提高智能辅助驾驶功能的用户满意度。但是路向聚类方面特别是路向特别多的数据网格，聚类就无法完成，因此无法准确计算出车辆行驶的方向，因此无法对数据网格内的道路进行评估，需要新增一些评估方法，如频繁开启智能辅助驾驶的道路适用性评估，如长时间开启智能辅助驾驶功能的道路适用度评估等。另外，因为道路的千差万别，模型的调整需要不断改进，需要加人更多的智能辅助驾驶功能特性数字2 。因此，我们应该在大量车辆验证后，对模型进行不断优化，在使用过程中不断地调整模型，提高评估模型的准确度，给用户和主机厂提供更为准确的智能辅助驾驶道路评估方法。参考文献：1】周勃，秦昆，陈一祥，等。基于数据场的出租车轨迹热点区域探测方法 地理与地理信息科学，2 0 16，32(6):51-56.2 王劲峰。空间扫描统计量方法中候选聚集区域生成的快速算法地球信息科学学报，2 0 13，15（4)：50 5-511.3 塗文燕，李德毅，王建民。一种基于数据场的层次聚类方法J电子学报，2 0 0 6，34（2)：2 58-2 6 2.(编辑杨景)6结语随着人工智能、视觉计算、雷达、监控装置和全球定位系统的高速发展，自动驾驶汽车运用先进技术，相信在不久的未来，必能造出在无人类主动操作下自动安全行驶的机动汽车。因此，汽车线束人亦需不断探索先进技术，运用科技手段提高线束品质，大力把先进生产设备投人到使用当中，才能在未来占得一席之地。参考文献：1 QC/T291062004，汽车低压电线束技术条件S2 USCAR-2,Performance Specification for AutomotiveElectrical Connector SystemsS.3 IS020860-22009，道路车辆50 Q2阻抗无线电频率连接系统接口S.4 华经产业研究院.2 0 2 12 0 2 6 年中国自动驾驶行业市场供需格局及行业前景展望报告M.北京：北京产业信息研究院，2 0 2 1.(编辑凌波)